repost 4?http://www.ruanyifeng.com/blog/2010/02/url_encoding.html

?

一、問(wèn)題的由來(lái)

URL就是網(wǎng)址，只要上網(wǎng)，就一定會(huì)用到。

一般來(lái)說(shuō)，URL只能使用英文字母、阿拉伯?dāng)?shù)字和某些標(biāo)點(diǎn)符號(hào)，不能使用其他文字和符號(hào)。比如，世界上有英文字母的網(wǎng)址"http://www.abc.com"，但是沒(méi)有希臘字母的網(wǎng)址"http://www.aβγ.com"（讀作阿爾法-貝塔-伽瑪.com）。這是因?yàn)榫W(wǎng)絡(luò)標(biāo)準(zhǔn)RFC 1738做了硬性規(guī)定：

"...Only alphanumerics [0-9a-zA-Z], the special characters "$-_.+!*'()," [not including the quotes - ed], and reserved characters used for their reserved purposes may be used unencoded within a URL."

"只有字母和數(shù)字[0-9a-zA-Z]、一些特殊符號(hào)"$-_.+!*'(),"[不包括雙引號(hào)]、以及某些保留字，才可以不經(jīng)過(guò)編碼直接用于URL。"

這意味著，如果URL中有漢字，就必須編碼后使用。但是麻煩的是，RFC 1738沒(méi)有規(guī)定具體的編碼方法，而是交給應(yīng)用程序（瀏覽器）自己決定。這導(dǎo)致"URL編碼"成為了一個(gè)混亂的領(lǐng)域。

下面就讓我們看看，"URL編碼"到底有多混亂。我會(huì)依次分析四種不同的情況，在每一種情況中，瀏覽器的URL編碼方法都不一樣。把它們的差異解釋清楚之后，我再說(shuō)如何用Javascript找到一個(gè)統(tǒng)一的編碼方法。

二、情況1：網(wǎng)址路徑中包含漢字

打開(kāi)IE（我用的是8.0版），輸入網(wǎng)址"http://zh.wikipedia.org/wiki/春節(jié)"。注意，"春節(jié)"這兩個(gè)字此時(shí)是網(wǎng)址路徑的一部分。

查看HTTP請(qǐng)求的頭信息，會(huì)發(fā)現(xiàn)IE實(shí)際查詢(xún)的網(wǎng)址是"http://zh.wikipedia.org/wiki/%E6%98%A5%E8%8A%82"。也就是說(shuō)，IE自動(dòng)將"春節(jié)"編碼成了"%E6%98%A5%E8%8A%82"。

我們知道，"春"和"節(jié)"的utf-8編碼分別是"E6 98 A5"和"E8 8A 82"，因此，"%E6%98%A5%E8%8A%82"就是按照順序，在每個(gè)字節(jié)前加上%而得到的。（具體的轉(zhuǎn)碼方法，請(qǐng)參考我寫(xiě)的《字符編碼筆記》。）

在Firefox中測(cè)試，也得到了同樣的結(jié)果。所以，結(jié)論1就是，網(wǎng)址路徑的編碼，用的是utf-8編碼。

三、情況2：查詢(xún)字符串包含漢字

在IE中輸入網(wǎng)址"http://www.baidu.com/s?wd=春節(jié)"。注意，"春節(jié)"這兩個(gè)字此時(shí)屬于查詢(xún)字符串，不屬于網(wǎng)址路徑，不要與情況1混淆。

查看HTTP請(qǐng)求的頭信息，會(huì)發(fā)現(xiàn)IE將"春節(jié)"轉(zhuǎn)化成了一個(gè)亂碼。

切換到十六進(jìn)制方式，才能清楚地看到，"春節(jié)"被轉(zhuǎn)成了"B4 BA BD DA"。

我們知道，"春"和"節(jié)"的GB2312編碼（我的操作系統(tǒng)"Windows XP"中文版的默認(rèn)編碼）分別是"B4 BA"和"BD DA"。因此，IE實(shí)際上就是將查詢(xún)字符串，以GB2312編碼的格式發(fā)送出去。

Firefox的處理方法，略有不同。它發(fā)送的HTTP Head是"wd=%B4%BA%BD%DA"。也就是說(shuō)，同樣采用GB2312編碼，但是在每個(gè)字節(jié)前加上了%。

所以，結(jié)論2就是，查詢(xún)字符串的編碼，用的是操作系統(tǒng)的默認(rèn)編碼。

四、情況3：Get方法生成的URL包含漢字

前面說(shuō)的是直接輸入網(wǎng)址的情況，但是更常見(jiàn)的情況是，在已打開(kāi)的網(wǎng)頁(yè)上，直接用Get或Post方法發(fā)出HTTP請(qǐng)求。

根據(jù)臺(tái)灣中興大學(xué)呂瑞麟老師的試驗(yàn)，這時(shí)的編碼方法由網(wǎng)頁(yè)的編碼決定，也就是由HTML源碼中字符集的設(shè)定決定。

　　<meta http-equiv="Content-Type" content="text/html;charset=xxxx">

如果上面這一行最后的charset是UTF-8，則URL就以UTF-8編碼；如果是GB2312，URL就以GB2312編碼。

舉例來(lái)說(shuō)，百度是GB2312編碼，Google是UTF-8編碼。因此，從它們的搜索框中搜索同一個(gè)詞"春節(jié)"，生成的查詢(xún)字符串是不一樣的。

百度生成的是%B4%BA%BD%DA，這是GB2312編碼。

Google生成的是%E6%98%A5%E8%8A%82，這是UTF-8編碼。

所以，結(jié)論3就是，GET和POST方法的編碼，用的是網(wǎng)頁(yè)的編碼。

五、情況4：Ajax調(diào)用的URL包含漢字

前面三種情況都是由瀏覽器發(fā)出HTTP請(qǐng)求，最后一種情況則是由Javascript生成HTTP請(qǐng)求，也就是Ajax調(diào)用。還是根據(jù)呂瑞麟老師的文章，在這種情況下，IE和Firefox的處理方式完全不一樣。

舉例來(lái)說(shuō)，有這樣兩行代碼：

　　url = url + "?q=" +document.myform.elements[0].value; // 假定用戶(hù)在表單中提交的值是"春節(jié)"這兩個(gè)字

　　http_request.open('GET', url, true);

那么，無(wú)論網(wǎng)頁(yè)使用什么字符集，IE傳送給服務(wù)器的總是"q=%B4%BA%BD%DA"，而Firefox傳送給服務(wù)器的總是"q=%E6%98%A5%E8%8A%82"。也就是說(shuō)，在Ajax調(diào)用中，IE總是采用GB2312編碼（操作系統(tǒng)的默認(rèn)編碼），而Firefox總是采用utf-8編碼。這就是我們的結(jié)論4。

六、Javascript函數(shù)：escape()

好了，到此為止，四種情況都說(shuō)完了。

假定前面你都看懂了，那么此時(shí)你應(yīng)該會(huì)感到很頭痛。因?yàn)?#xff0c;實(shí)在太混亂了。不同的操作系統(tǒng)、不同的瀏覽器、不同的網(wǎng)頁(yè)字符集，將導(dǎo)致完全不同的編碼結(jié)果。如果程序員要把每一種結(jié)果都考慮進(jìn)去，是不是太恐怖了？有沒(méi)有辦法，能夠保證客戶(hù)端只用一種編碼方法向服務(wù)器發(fā)出請(qǐng)求？

回答是有的，就是使用Javascript先對(duì)URL編碼，然后再向服務(wù)器提交，不要給瀏覽器插手的機(jī)會(huì)。因?yàn)镴avascript的輸出總是一致的，所以就保證了服務(wù)器得到的數(shù)據(jù)是格式統(tǒng)一的。

Javascript語(yǔ)言用于編碼的函數(shù)，一共有三個(gè)，最古老的一個(gè)就是escape()。雖然這個(gè)函數(shù)現(xiàn)在已經(jīng)不提倡使用了，但是由于歷史原因，很多地方還在使用它，所以有必要先從它講起。

實(shí)際上，escape()不能直接用于URL編碼，它的真正作用是返回一個(gè)字符的Unicode編碼值。比如"春節(jié)"的返回結(jié)果是%u6625%u8282，也就是說(shuō)在Unicode字符集中，"春"是第6625個(gè)（十六進(jìn)制）字符，"節(jié)"是第8282個(gè)（十六進(jìn)制）字符。

它的具體規(guī)則是，除了ASCII字母、數(shù)字、標(biāo)點(diǎn)符號(hào)"@ * _ + - . /"以外，對(duì)其他所有字符進(jìn)行編碼。在\u0000到\u00ff之間的符號(hào)被轉(zhuǎn)成%xx的形式，其余符號(hào)被轉(zhuǎn)成%uxxxx的形式。對(duì)應(yīng)的解碼函數(shù)是unescape()。

所以，"Hello World"的escape()編碼就是"Hello%20World"。因?yàn)榭崭竦腢nicode值是20（十六進(jìn)制）。

還有兩個(gè)地方需要注意。

首先，無(wú)論網(wǎng)頁(yè)的原始編碼是什么，一旦被Javascript編碼，就都變?yōu)閡nicode字符。也就是說(shuō)，Javascipt函數(shù)的輸入和輸出，默認(rèn)都是Unicode字符。這一點(diǎn)對(duì)下面兩個(gè)函數(shù)也適用。

其次，escape()不對(duì)"+"編碼。但是我們知道，網(wǎng)頁(yè)在提交表單的時(shí)候，如果有空格，則會(huì)被轉(zhuǎn)化為+字符。服務(wù)器處理數(shù)據(jù)的時(shí)候，會(huì)把+號(hào)處理成空格。所以，使用的時(shí)候要小心。

七、Javascript函數(shù)：encodeURI()

encodeURI()是Javascript中真正用來(lái)對(duì)URL編碼的函數(shù)。

它著眼于對(duì)整個(gè)URL進(jìn)行編碼，因此除了常見(jiàn)的符號(hào)以外，對(duì)其他一些在網(wǎng)址中有特殊含義的符號(hào)"; / ? : @ & = + $ , #"，也不進(jìn)行編碼。編碼后，它輸出符號(hào)的utf-8形式，并且在每個(gè)字節(jié)前加上%。

它對(duì)應(yīng)的解碼函數(shù)是decodeURI()。

需要注意的是，它不對(duì)單引號(hào)'編碼。

八、Javascript函數(shù)：encodeURIComponent()

最后一個(gè)Javascript編碼函數(shù)是encodeURIComponent()。與encodeURI()的區(qū)別是，它用于對(duì)URL的組成部分進(jìn)行個(gè)別編碼，而不用于對(duì)整個(gè)URL進(jìn)行編碼。

因此，"; / ? : @ & = + $ , #"，這些在encodeURI()中不被編碼的符號(hào)，在encodeURIComponent()中統(tǒng)統(tǒng)會(huì)被編碼。至于具體的編碼方法，兩者是一樣。

它對(duì)應(yīng)的解碼函數(shù)是decodeURIComponent()。

（完）

?

總結(jié)

以上是生活随笔為你收集整理的repo-关于URL编码的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。